大数据特征降维：粗糙集特征选择的群智能方法及应用研究 pdf下载

　　《大数据特征降维：粗糙集特征选择的群智能方法及应用研究》从高维大数据的特征降维出发，指出大数据时代粗糙集特征选择面临的挑战，介绍了群智能算法的独特优势和存在的问题，对粗糙集和群智能的理论与经典算法进行了总结归纳并提出一种基予群智能和粗糙集的特征选择框架，依据此框架设计相关特征选择算法，应用于银行个人信用评分系统与高维数据集进行特征降维。
　　《大数据特征降维：粗糙集特征选择的群智能方法及应用研究》可供从事机器学习和大数据挖掘的高校教师、研究生、科研院所的科研人员及有关工程技术人员使用。

　　胡玉荣，女，1970年7月生，湖北钟祥人，汉族，中共党员，现为荆楚理工学院教授，研究生处副处长，荆门市第三届市级“把关人才”，湖北省第十三届人民代表大会代表。武汉大学计算机软件与理论专业博士毕业，长期从事数据挖掘和智能计算领域的研究工作，主持和参与省市各级科研项目10余项，编写教材4部，指导学生毕业论文获湖北省优秀学士学位论文。发表论文20余篇，其中10篇论文被SCI/EI检索，2篇论文获湖北省优秀学术论文二等奖和荆门市优秀学术论文一等奖。申请发明专利1项，软件著作权登记4项，荣获湖北省高等学校教学成果奖三等奖2项。

前言
第1章 绪论
1．1 本书研究背景
1．2 特征选择概述
1．3 国内外研究现状
1．3．1 基于粗糙集的特征选择研究进展
1．3．2 群智能研究进展
1．4 本书研究内容
1．5 本书的组织结构

第2章 粗糙集与群智能
2．1 引言
2．2 粗糙集
2．2．1 粗糙集的理论基础
2．2．2 基于粗糙集的特征选择
2．3 群智能
2．3．1 蚁群优化算法
2．3．2 粒子群优化算法
2．3．3 人工蜂群算法
2．4 基于群智能和粗糙集的特征选择框架
2．4．1 子集生成
2．4．2 子集评价
2．4．3 停止条件
2．4．4 结果验证
2．5 本章小结

第3章 基于蚁群优化和粗糙集的特征选择方法
3．1 引言
3．2 基于蚁群优化和粗糙集的特征选择算法HSACO
3．2．1 算法思想
3．2．2 算法模型
3．2．3 概率转移公式和混合策略
3．2．4 算法描述
3．3 对比实验及结果分析
3．3．1 实验环境
3．3．2 参数选取与分析
3．3．3 结果比较及讨论
3．4 本章小结

第4章 基于粒子群优化和粗糙集的特征选择方法
4．1 引言
4．2 基于粒子群优化和粗糙集的特征选择算法DPPSO
4．2．1 算法思想
4．2．2 粒子的表达和种群初始化
4．2．3 基于互信息的适应值函数
4．2．4 粒子更新策略
4．2．5 算法描述
4．3 对比实验及结果分析
4．3．1 实验环境
4．3．2 结果比较及讨论
4．4 本章小结

第5章 基于人工蜂群和粗糙集的特征选择方法
5．1 引言
5．2 基于人工蜂群和粗糙集的特征选择算法NDABC
5．2．1 算法思想
5．2．2 解的表达和种群初始化
5．2．3 反向学习
5．2．4 适应值函数及转移概率
5．2．5 邻域搜索策略
5．2．6 禁忌搜索
5．2．7 算法描述
5．3 对比试验及结果分析
5．3．1 实验环境
5．3．2 参数选取与分析
5．3．3 结果比较及讨论
5．4 本章小结

第6章 银行个人信用评分中的特征选择
6．1 银行个人信用评分
6．1．1 个人信用评分的概念和发展
6．1．2 个人信用评分指标体系
6．2 实验数据
6．2．1 德国信用数据集的描述
6．2．2 数据离散化
6．3 基于群智能和粗糙集的特征选择在信用评分中的应用
6．3．1 实验环境
6．3．2 测试过程及结果分析
6．4 本章小结

第7章 面向大数据的高维数据特征选择
7．1 高维数据特征选择
7．2 实验数据
7．3 基于群智能和粗糙集的特征选择在高维数据中的应用
7．3．1 实验环境
7．3．2 测试过程及结果分析
7．4 本章小结

第8章 总结与展望
8．1 总结
8．2 展望
参考文献